DomLearn
Domain-Informed Machine Learning for intelligent Energy Systems
| Programm / Ausschreibung | Energieforschung (e!MISSION), Energieforschung, Energieforschung 7. Ausschreibung | Status | abgeschlossen |
|---|---|---|---|
| Projektstart | 01.02.2022 | Projektende | 30.04.2023 |
| Zeitraum | 2022 - 2023 | Projektlaufzeit | 15 Monate |
| Keywords | Machine Learning; Deep Learning; künstliche Intelligenz; hybride Modellierung; Energy Services | ||
Projektbeschreibung
Die Digitalisierung integrierter, regionaler Energiesysteme führt zur Entstehung von sogenannten cyber-physikalischen Energiesystemen, welche auf der Integration von softwaretechnischen Komponenten und physikalischen Prozessen basieren. In der Analyse und Optimierung dieser Systeme sind Methoden und Werkzeuge der Modellierung und Simulation von zentraler Bedeutung. Die steigenden Anforderungen an Modellierung und Simulation sind einer stetig wachsenden Menge an Betriebsdaten sowie dem Verschwimmen der Sektorengrenzen zwischen Strom, Gas, Wärme, Kälte und Mobilität geschuldet. Dies hat zur Folge, dass etablierte Methoden der physikalischen und der datengetriebenen Modellierung und Simulation an ihre Grenzen stoßen. Die Entwicklung von domain-informierten, interpretierbaren und robusten Machine Learning Methoden und Algorithmen (kurz Domain-Informed Machine Learning) wird in der Forschungsgemeinschaft als radikale Innovation angesehen, welche diesen neuen Herausforderungen gerecht werden kann.
Argumente für das „Warum“ wurden kohärent und konsistent formuliert. Ziel des Sondierungsprojektes DomLearn ist es, erstmals das Potential für Domain-Informed Machine Learning im Bereich intelligenter Energiesysteme gemeinsam mit potentiellen AnwenderInnen aus der Industrie zu evaluieren. Des Weiteren werden gemeinsam mit internationalen ExpertInnen konkrete Implementierungen diskutiert. Anhand eines Proof of Concepts werden ausgewählte Lösung implementiert, getestet und evaluiert.
Die Projektergebnisse sollen dazu dienen, dass zukünftige Projekte auf eine objektive und rational nachvollziehbare Bewertung der Möglichkeiten und Einschränkungen von Domain-Informed Machine Learning aufbauen können. Somit dient das Projekt als Vorbereitung für zukünftigen Forschungs- und Entwicklungsvorhaben im Bereich intelligenter, integrierter Energiesysteme. DomLearn soll den Grundstein für die internationale Technologieführerschaft im Bereich von Domain-Informed Machine Learning für Anwendungen in intelligente Energiesysteme legen - sowohl akademisch als auch kommerziell.
Abstract
The digitization of integrated, regional energy systems leads to the emergence of so-called cyber-physical energy systems, which are based on the integration of software components and physical processes. In the analysis and optimization of these systems, methods and tools of modeling and simulation are of central importance. The requirements for modeling and simulation have increased due to ever increasing amounts of operational data as well as the blurring of sector boundaries between electricity, gas, heating, cooling and mobility. As a result, established methods of physical and data-driven methods are reaching their respective limits. The development of domain-informed, interpretable, and robust machine learning methods and algorithms (known as Domain-Informed Machine Learning) is considered a radical innovation in the research community.
Arguments for the "why" have been formulated coherently and consistently. The goal of the exploratory project DomLearn is to evaluate for the first time specific applications for Domain-Informed Machine Learning in the field of smart energy systems together with potential users from industry. Furthermore, specific implementations of these applications will be discussed together with international experts. Based on a proof of concepts, selected solutions will be implemented, tested and evaluated.
The project results are intended to enable future projects to be based on an objective and rationally comprehensible evaluation of possibilities and fundamental limitations in the field of Domain-Informed Machine Learning. Thus, the project serves as a preparation for future research and development projects in the area of smart integrated energy systems. DomLearn is intended to lay the foundation for international technology leadership in the field of Domain-Informed Machine Learning for smart energy systems - both academically and commercially.